La respuesta a esta pregunta implica descargar la biblioteca naranja de
Índice del paquete de Python
Después de la descarga, ya ha terminado. Ahora pasando a la implementación:
- ¿Hay una explicación fácil sobre cuándo usar fit y cuándo un fit_transform de sk-learn en Python?
- ¿Qué libro recomienda para aprender sobre todas las habilidades matemáticas que se necesitan para la ciencia de datos para alguien que esté familiarizado con las estadísticas básicas y las matemáticas?
- En análisis en línea, ¿cómo se prueban 'miles de puntos de datos'?
- ¿Cuál es la diferencia entre la captura de datos de cambio y el abastecimiento de eventos?
- ¿Cómo se prueba que la probabilidad de una moneda es 1/2?
necesitamos crear un archivo “filename.basket” para esta biblioteca para que podamos formular reglas. Por favor, vea lo recortado a continuación:
importar naranja
# escribir datos en el archivo de texto: data.basket
f = abierto (‘data.basket’, ‘w’)
para el elemento en raw_data:
f.write (elemento + ‘\ n’)
f.close ()
# Cargar datos del archivo de texto: data.basket
data = Orange.data.Table (“data.basket”)
# Identificar reglas de asociación con soportes de al menos 0.3
reglas = Orange.associate.AssociationRulesSparseInducer (datos, soporte = 0.3)
# imprimir reglas
print “% 4s% 4s% s”% (“Supp”, “Conf”, “Rule”)
para r en las reglas [:]:
imprimir “% 4.1f% 4.1f% s”% (r.support, r.confidence, r)